Tworzenie prognoz
Wytrenowana sieć z poprzedniego ćwiczenia jest teraz zapisana jako model. Nowe dane do prognozowania są przechowywane w tablicy NumPy jako pred_data. Użyj model, aby wygenerować prognozy na podstawie nowych danych.
W tym ćwiczeniu prognozy będą miały postać prawdopodobieństw – to najczęstszy sposób, w jaki data scientists komunikują wyniki swoich modeli współpracownikom.
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego w Pythonie
Instrukcje do ćwiczenia
- Utwórz prognozy, wywołując metodę
.predict()napred_data. - Użyj indeksowania NumPy, aby znaleźć kolumnę odpowiadającą prognozowanym prawdopodobieństwom przeżycia równym True. Jest to druga kolumna (indeks
1) tablicypredictions. Zapisz wynik w zmiennejpredicted_prob_truei wyświetl ją.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Specify, compile, and fit the model
model = Sequential()
model.add(Dense(32, activation='relu', input_shape = (n_cols,)))
model.add(Dense(2, activation='softmax'))
model.compile(optimizer='sgd',
loss='categorical_crossentropy',
metrics=['accuracy'])
model.fit(predictors, target)
# Calculate predictions: predictions
predictions = ____
# Calculate predicted probability of survival: predicted_prob_true
predicted_prob_true = ____
# Print predicted_prob_true
print(predicted_prob_true)